Föderaallne õppimine
Föderaallne õppimine on hajutatud masinõppe paradigma, mille võtsid 2017. aastal kasutusele McMahan jt. Selles koolitatakse globaalset mudelit koostöös mitme detsentraliseeritud kliendi – näiteks mobiilseadmete või haiglasüsteemide – kaudu, ilma et toorandmeid kunagi kesksesse serverisse edastataks. Iga osaleja arvutab kohapeal mudeliuuendusi, kasutades oma privaatseid andmeid; ainult need uuendused, mitte alusandmed, edastatakse ja koondatakse serveri poolt ühise mudeli täiustamiseks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Allikad
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & Arcas, B. A. (2017). Communication-efficient learning of deep networks from decentralized data. Artificial Intelligence and Statistics, 1273–1282. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Federated Learning. ScholarGate. https://scholargate.app/et/privacy/federated-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Diferentsiaalne privaatsusPrivaatsus↔ compare
- Teadmise destilleerimineSüvaõpe↔ compare
- Stohhastiline gradiendilange (SGD)Masinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →